面向非高斯空间场的可扩展稀疏自回归变分推断

研究人员提出了一种面向非高斯空间场的可扩展变分推断框架，解决了大尺度非高斯数据集中潜变量场后验分布难以解析求解的问题。该方法在变分分布族中映射先验的稀疏最近邻自回归结构，利用归一化流条件分布提升表达能力，并通过单一共享神经条件网络摊销所有变分参数。结合简化祖先集（reduced ancestor sets）的双重随机优化，实现了每次迭代对数多项式级（polylogarithmic）的复杂度。